CN113709814A - 负荷均衡的方法、装置、计算设备及计算机可读存储介质 - Google Patents
负荷均衡的方法、装置、计算设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113709814A CN113709814A CN202010430341.8A CN202010430341A CN113709814A CN 113709814 A CN113709814 A CN 113709814A CN 202010430341 A CN202010430341 A CN 202010430341A CN 113709814 A CN113709814 A CN 113709814A
- Authority
- CN
- China
- Prior art keywords
- cell
- value
- variable combination
- determining
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000010219 correlation analysis Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims description 54
- 230000003203 everyday effect Effects 0.000 claims description 6
- 101150071746 Pbsn gene Proteins 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0247—Traffic management, e.g. flow control or congestion control based on conditions of the access network or the infrastructure network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例涉及通信技术领域,公开了一种负荷均衡的方法、装置、计算设备及计算机可读存储介质,该方法包括:获取源小区及其邻区的特征数据;对源小区和任意一个邻区的特征数据进行相关性分析,确定目标小区;根据源小区和目标小区的频段确定负荷均衡的切换事件类别;确定各切换事件类别对应的迭代变量组合;对迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算利用率变化值以及覆盖率变化值;将使利用率变化值和覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值;根据目标迭代变量组合值中的各目标参数值对源小区进行负荷均衡。通过上述方式,本发明实施例实现了负荷均衡。
Description
技术领域
本发明实施例涉及通信技术领域,具体涉及一种负荷均衡的方法、装置、计算设备及计算机可读存储介质。
背景技术
随着运营商流量套餐的不断优惠,网络流量呈现爆发式增长,部分用户热点区域的网络小区业务量大、负荷高,严重的影响用户对网络的体验。
传统的网络分流通过人工提取高负荷小区及其同站同覆盖异频邻区的用户数、RPB利用率进行对比分析,当高负荷小区用户数比例或者PRB利用率差值超出一定范围,则认为高负荷小区与同覆盖邻区负荷不均衡,可以进行业务分流。在确定可以进行业务分流后,在原有切换类参数、重选类参数以及MLB参数设置值的基础上按照一定步长对各类参数进行反复调整,直至高负荷小区用户数比例或者PRB利用率差值达到合理范围。
传统的网络分流方法以负荷均衡为目标,在满足网络容量的前提下,会造成网络覆盖差。
发明内容
鉴于上述问题,本发明实施例提供了一种负荷均衡的方法、装置、计算设备及计算机可读存储介质,用于解决现有技术中存在的在满足网络容量的前提下造成网络覆盖差的问题。
根据本发明实施例的一个方面,提供了一种负荷均衡的方法,所述方法包括:
获取源小区及其邻区的特征数据;
对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区;
根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别;
确定各切换事件类别对应的迭代变量组合,所述迭代变量组合中包含多个目标参数,所述目标参数用于对所述源小区进行负荷均衡;
对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值;
将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值;
根据所述目标迭代变量组合值中的各目标参数值对所述源小区进行负荷均衡。
在一种可选的方式中,所述对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区,包括:
确定所述源小区在预设时间段内切换至每一个邻区的第一切换次数,以及,每一个邻区在所述预设时间段内切换至所述源小区的第二切换次数;
根据所述第一切换次数和所述第二切换次数计算所述源小区与所述每一个邻区的切换出相关性系数和切换入相关性系数;
将所述切换出相关性系数大于预设第一阈值的邻区确定为预分流小区;
将所述切换入相关性系数大于预设第二阈值的邻区确定为预节流小区;
对所述预分流小区和所述预节流小区进行覆盖相关性分析,根据所述覆盖相关性分析的结果确定负荷均衡的目标小区。
在一种可选的方式中,所述对所述预分流小区和所述预节流小区进行覆盖相关性分析,根据所述覆盖相关性分析的结果确定负荷均衡的目标小区,包括:
统计在所述预设时间段内第一小区的电平强度高于所述源小区的电平强度的第一采样点数,以及,在所述预设时间段内所述第一小区的电平强度低于所述源小区的电平强度的第二采样点数;所述第一小区为所有预分流小区或所述预节流小区中的任意一个小区;
计算所述第一采样点数和所述第二采样点数的第一比值,以及,所述第二采样点数和所述第一采样点数的第二比值;
将所述第一比值大于预设第三阈值的预分流小区确定为分流小区;
将所述第二比值大于预设第四阈值的预节流小区确定为节流小区;
将所述分流小区和所述节流小区的集合确定为负荷均衡的目标小区。
在一种可选的方式中,所述确定所述源小区在预设时间段内切换至每一个邻区的第一切换次数,以及,每一个邻区在所述预设时间段内切换至所述源小区的第二切换次数,包括:
确定预设时间段内所述源小区每一天的最忙时段,所述最忙时段为所述源小区最大上行PRB利用率或最大下行PRB利用率所处的时段;
将所述预设时间段内所述源小区在所述最忙时段切换至每一个邻区的切换次数之和作为所述第一切换次数;
将所述预设时间段内每一个邻区在所述最忙时段切换至所述源小区的切换次数之和作为所述第二切换次数。
在一种可选的方式中,所述根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别,包括:
如果所述源小区的频段和所述目标小区的频段属于同一级预设优先级,则确定所述切换事件类别为第一切换事件,否则,确定所述切换事件的类别为第二切换事件,所述第一切换事件和所述第二切换事件为不同的切换事件类别。
在一种可选的方式中,所述对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值,包括:
随机生成多组迭代变量组合值以及各迭代变量组合值对应的更新速度值,每一组迭代变量组合值作为个体最优值;
计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和;
将使所述第一和最小的一组迭代变量组合值确定为群体最优值;
根据所述个体最优值和所述群体最优值对所述更新速度值进行迭代,得到相应的第一更新速度值;
根据所述第一更新速度值对相应的迭代变量组合值进行迭代,得到相应的第一迭代变量组合值;
计算每一组第一迭代变量组合值对应的第二利用率变化值和第二覆盖率变化值的第二和;
如果存在任意一个第二和小于相应的第一和,则将相应的个体最优值更新为相应的第一迭代变量组合值;
如果所有第二和中的最小第二和小于所述群体最优值对应的第一和,则将所述群体最优值更新为所述最小第二和对应的第一迭代变量组合值;
将每一组迭代变量组合值对应的迭代速度值更新为相应的第一更新速度值,将每一组迭代变量组合值更新为相应的第一迭代变量组合值,重复执行根据所述个体最优值和所述群体最优值对所述更新速度值进行迭代,得到相应的第一更新速度值的步骤,直至满足预设迭代次数;
所述将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值,包括:
将满足预设迭代次数时的群体最优值确定为目标迭代变量组合值。
在一种可选的方式中,所述计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和,包括:
根据第二迭代变量组合值确定所述源小区中需要转移的采样点,所述第二迭代变量组合值为任意一组迭代变量组合值;
计算所述采样点占用上行共享信道的PRB总数的第一平均值和所述采样点占用下行共享信道的RPB总数的第二平均值;
将所述第一平均值和所述第二平均值中的最大值确定为所述源小区进行负荷均衡后的利用率变化值;
确定所述采样点转移至各目标小区后,各目标小区的信号接收功率总和;
计算所述采样点在各目标小区的信号接收功率之和与相应的目标小区的信号接收功率总和的比值,得到所述目标小区进行负荷均衡后的覆盖率变化值。
根据本发明实施例的另一方面,提供了一种负荷均衡的装置,包括:
获取模块,用于获取源小区及其邻区的特征数据;
分析模块,用于对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区;
第一确定模块,用于根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别;
第二确定模块,用于确定各切换事件类别对应的迭代变量组合,所述迭代变量组合中包含多个目标参数,所述目标参数用于对所述源小区进行负荷均衡;
迭代模块,用于对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值;
第三确定模块,用于将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值;
负荷均衡模块,用于根据所述目标迭代变量组合中的目标参数值对所述源小区进行负荷均衡。
根据本发明实施例的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述的一种负荷均衡的方法的操作。
根据本发明实施例的另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使计算设备/装置执行上述的一种负荷均衡的方法的操作。
本发明实施例通过对源小区和邻区进行相关性分析得到负荷均衡的目标小区,从而使得到的目标小区更加准确;根据源小区和目标小区的频段确定负荷均衡的切换事件类别,对于不同的切换事件类别确定相应的迭代变量组合;对迭代变量组合进行多次迭代,从而得到使源小区的利用率变化值和目标小区的覆盖率变化值之和最小的目标迭代变量组合值,根据该目标迭代变量组合值对源小区进行负荷均衡。本发明实施例在进行负荷均衡时综合考虑了源小区的利用率变化和目标小区的覆盖率变化,确保了有效降低源小区的网络负荷的同时,邻区的覆盖较好,避免了满足网络容量时造成的网络覆盖差的问题。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种负荷均衡的方法的流程示意图;
图2示出了本发明实施例提供的一种负荷均衡的方法中对迭代变量组合进行迭代的流程示意图;
图3示出了本发明实施例提供的一种负荷均衡的方法中利用率变化值和覆盖率变化值的计算流程图;
图4示出了本发明实施例提供的一种负荷均衡的装置的功能框图;
图5示出了本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
本发明实施例的应用场景是相邻小区的负荷均衡。本发明实施例适用于任何一种现行通信网络,例如,4G通信网络、5G通信网络等。本发明实施例在进行负荷均衡时综合考虑了负荷均衡后高负荷的源小区利用率变化和目标邻区的覆盖率变化,避免了负荷均衡后造成的目标邻区网络覆盖差的问题。下面对本发明各具体实施方式进行说明。
图1示出了本发明实施例的一种负荷均衡方法的流程图。如图1所示,该方法包括以下步骤:
步骤110:获取源小区及其邻区的特征数据。
在本步骤中,源小区是任意一个高负荷小区,邻区是高负荷小区的所有异频邻区中负荷利用率低于门限值的小区。特征数据包括工参数据、网管性能数据、MRO数据等。其中,工参数据为基础工程参数数据,是基站建设时收集到的数据。工参数据包括公共网关接口(common gateway interface,CGI)、小区覆盖场景和小区位置。其中,小区覆盖场景包括高校、商圈、高铁站等。网管性能数据来自于操作维护中心(operation and maintenancecenter,OMC)。网管性能数据包括上行物理资源块(physical resource block,PRB)个数,下行PRB个数等。MRO数据是用户终端上报的测量报告(measurement report,MR)形成的数据。MRO数据包括:TD-LTE服务小区的参考信号接收功率MR.LteScRSRP,TD-LTE已定义邻区关系和未定义邻区关系小区的参考信号接收功率MR.LteNcRSRP,源小区的载波号MR.LteScEarfcn,源小区的物理小区识别码MR.LteScPci,TD-LTE已定义邻区关系和未定义邻区关系的邻区载波号MR.LteNcEarfcn,TD-LTE已定义邻区关系和未定义邻区关系的物理小区识别码MR.LteNcPci,源小区的上行共享信道(physical up link shared channel,PULSC)的PRB数量MR.LteScPUSCHPRBNum,、下行共享信道(physical down link sharedchannel,PDLSC)的PRB数量MR.LteScPDSCHPRBNum等。
步骤120:对源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定邻区中进行负荷均衡的目标小区。
在本步骤中,相关性分析包括切换相关性分析和覆盖相关性分析。其中,切换相关性分析是对源小区和邻区之间相互切换次数进行分析。覆盖相关性分析是对源小区和目标小区的电平强度进行分析。覆盖相关性分析基于切换相关性分析的结果。具体的,在进行切换相关性分析时,确定源小区在预设时间段内切换至各邻区的第一切换次数,以及,各邻区在预设时间段内切换至源小区的第二切换次数。根据第一切换次数和第二切换次数计算源小区与每一个邻区的切换出相关性系数和切换入相关性系数。以预设时间段为连续7天为例,在7天内,源小区切换至某一个邻区j的第一切换次数为Hoj,邻区j切换至源小区的第二切换次数为Hij,假设邻区总数为T个,则源小区与邻区j的切换出相关性系数为:源小区与邻区j的切换入相关性系数为:其中,Hot为第t个邻区的第一切换次数,Hit为第t个邻区的第二切换次数。将源小区与各邻区的切换出相关性系数和预设第一阈值进行比较,切换出相关性系数大于预设第一阈值的邻区为预分流小区;将源小区与各邻区的切换入相关性系数和预设第二阈值进行比较,切换入相关性系数大于预设第二阈值的邻区为预节流小区。其中,预设第一阈值和预设第二阈值可以相同也可以不同。预分流小区是指接收源小区负荷的小区,预节流小区小区是向源小区切换负荷的小区。
在一些实施例中,预设时间段内切换至每一个邻区的第一切换次数,以及,每一个邻区在预设时间段内切换至源小区的第二切换次数的确定过程为:确定预设时间段内源小区每一天的最忙时段,最忙时段为源小区最大上行PRB利用率或最大下行PRB利用率所处的时段;将预设时间段内源小区在最忙时段切换至每一个邻区的切换次数之和作为第一切换次数;将预设时间段内每一个邻区在最忙时段切换至源小区的切换次数之和作为第二切换次数。例如,预设时间段为连续7天,每一天均确定一个最忙时段,将连续7天中每一天最忙时段时源小区切换至其中一个邻区的切换次数之和作为源小区切换至该邻区的第一切换次数,将连续7天中每一天最忙时段某一邻区切换至源小区的切换次数之和作为该邻区切换至源小区的第二切换次数。通过上述方式,满足了最忙时段时,源小区和邻区之间的有效切换。
对预分流小区和预节流小区进行覆盖相关性分析,确定负荷均衡的目标小区。具体的,统计在预设时间段内第一小区的电平强度高于源小区的电平强度的第一采样点数,以及,在预设时间段内第一小区的电平强度低于源小区的电平强度的第二采样点数。第一小区为所有预分流小区或预节流小区中的任意一个小区,这里以第一小区进行说明。对所有预分流小区或预节流小区均需要进行覆盖相关性分析。这里的采样点是测量报告MR数据的采样点,来自源小区中用户设备的上报信息。用户设备在小区接入过程中周期性向基站上报MR信息,MR信息中包含RSRP电平值。第一采样点数为满足以下条件的采样点的数量:MR.LteNcRSRP-MR.LteScRSRP>3db;MR.LteNcRSRP>-110dBm。第二采样点数为满足以下条件的采样点的数量:MR.LteNcRSRP-MR.LteScRSRP<-3db;MR.LteNcRSRP>-110dBm。其中,3db和-110dBm也可以由本领域技术人员设置为其他数值,本发明实施例并不以此为限。
计算第一采样点数和第二采样点数的第一比值,以及,第二采样点数和第一采样点数的第二比值。将第一比值大于预设第三阈值的预分流小区确定为分流小区,将第二比值大于预设第四阈值的预节流小区确定为节流小区。分流小区和节流小区的集合为负荷均衡的目标小区。其中,第三阈值和第四阈值可以相同也可以不同。在一种实施方式中,对于现行的4G网络,第三阈值和第四阈值均设置为2。
步骤130:根据源小区的频段和目标小区的频段确定负荷均衡的切换事件类别。
在本步骤中,切换事件类别表示负荷切换的规则和方式,不同切换事件类别对应的切换参数不同。如果源小区的频段和目标小区的频段属于同一级预设优先级,则确定切换事件类别为第一切换事件,否则,确定切换事件的类别为第二切换事件。在4G网络中,第一切换事件为A3事件,第二切换事件为A4事件。D频段优先级为6,FDD1800频段的优先级为6,F1和F2频段的优先级为5,FDD900的优先级为4。
步骤140:确定各切换事件类别对应的迭代变量组合。
在本步骤中,不同切换事件类别对应的切换参数不同。切换参数包括固定参数和迭代变量。固定参数的值是定值,无法修改,因此,本发明实施例仅考虑迭代变量。对于A3事件,切换参数包括:基于A3的异频A1 RSRP触发门限InterFreqHoA1ThdRsrp、基于A3的异频A2 RSRP触发门限A3InterFreqHoA2ThdRsrp、异频A1A2幅度迟滞InterFreqHoA1A2Hyst、同频切换幅度迟滞IntraFreqHoA3Hyst、异频A3偏置InterFreqHoA3Offset以及连接状态频率偏置QOFFSETFREQCONN。其中,InterFreqHoA1A2Hyst、IntraFreqHoA3Hyst、InterFreqHoA3Offset为固定参数,InterFreqHoA1ThdRsrp、A3InterFreqHoA2ThdRsrp和QOFFSETFREQCONN为可调参数。对于A4事件,切换参数包括:异频A1 RSRP触发门限InterFreqHoA1ThdRsrp、异频A2 RSRP触发门限InterFreqHoA2ThdRsrp、异频A1A2幅度迟滞InterFreqHoA1A2Hyst、同频切换幅度迟滞IntraFreqHoA4Hyst、异频A4偏置InterFreqHoA4Offset以及连接状态频率偏置QOFFSETFREQCONN。其中,InterFreqHoA1A2Hyst、IntraFreqHoA4Hyst、InterFreqHoA4Offset为固定参数,InterFreqHoA1ThdRsrp、InterFreqHoA2ThdRsrp、InterFreqHoA4ThdRsrp和QOFFSETFREQCONN为可调参数。迭代变量组合是多个目标参数的组合,目标参数用于对源小区进行负荷均衡。对于上述A3事件和A4事件,目标参数为相应的可调参数。各切换事件类别中的迭代变量集合为相应的切换事件类别的迭代变量组合。
步骤150:对迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算源小区进行负荷均衡后的利用率变化值以及目标小区进行负荷均衡后的覆盖率变化值。
在本步骤中,对于A3事件确定的迭代变量组合和A4事件确定的迭代变量组合进行迭代的方法相同,差别仅在于迭代变量组合中所包含的具体的目标参数不同。本发明实施例并不对迭代的具体方法进行限定。
步骤160:将使利用率变化值和覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值。
在本步骤中,将满足预设迭代次数时的群体最优值确定为目标迭代变量组合值。
步骤170:根据目标迭代变量组合值中的各目标参数值对源小区进行负荷均衡。
本发明实施例通过对源小区和邻区进行相关性分析得到负荷均衡的目标小区,从而使得到的目标小区更加准确;根据源小区和目标小区的频段确定负荷均衡的切换事件类别,对于不同的切换事件类别确定相应的迭代变量组合;对迭代变量组合进行多次迭代,从而得到使源小区的利用率变化值和目标小区的覆盖率变化值之和最小的目标迭代变量组合值,根据该目标迭代变量组合值对源小区进行负荷均衡。本发明实施例在进行负荷均衡时综合考虑了源小区的利用率变化和目标小区的覆盖率变化,确保了有效降低源小区的网络负荷的同时,邻区的覆盖较好,避免了满足网络容量时造成的网络覆盖差的问题。
在一些实施例中,将粒子群算法应用于本发明实施例中,对迭代变量组合进行迭代,以找到使利用率变化值和覆盖率变化值之和最小的目标迭代变量组合值。即,迭代的目标是利用率变化值和覆盖率变化值之和最小。在本发明实施例中,通过粒子群算法确定目标迭代变量组合值包括如图2所示的以下步骤:
步骤210:随机生成多组迭代变量组合值以及各迭代变量组合值对应的更新速度值,每一组迭代变量组合值作为个体最优值。
在本步骤中,生成的多组迭代变量组合值中的每一组迭代变量组合值均包括该组迭代变量组合中包含的目标参数值。例如,迭代变量组合中包含3个目标参数,则一组迭代变量组合值中包括三个元素。每一组迭代变量组合值对应一组更新速度值,更新速度值用于对迭代变量组合进行更新。一组更新速度值中包含的元素个数与一组迭代变量组合中包含的元素个数相同。每一组迭代变量组合在整个迭代过程中使利用率变化值和覆盖率变化值之和最小的一组迭代变量组合值为该组迭代变量组合的个体最优值。在第一次迭代之前,生成的每一组迭代变量组合值为初始的个体最优值,初始的个体最优值的个数与生成的多组迭代变量组合值的组数相同。在迭代过程中,个体最优值不断更新。
步骤220:计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和。
在本步骤中,每一组迭代变量组合值计算得到一个相应的第一利用率变化值和一个相应的第一覆盖率变化值。假设随机生成的迭代变量组合值为n组,分别用x[0]~x[n-1]表示,则得到n个第一利用率变化值和n个第一覆盖率变化值。每一组迭代变量组合值和迭代过程中生成的迭代变量组合值对应的利用率变化值的计算方法相同,覆盖率变化值的计算方法也相同。具体的计算方法请参阅下一个实施例的具体说明。
步骤230:将使第一和最小的一组迭代变量组合值确定为群体最优值。
在本步骤中,分别计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和,将使第一和最小的一组迭代变量组合值确定为群体最优值。群体最优值为所有的迭代变量组合中使利用率变化值和覆盖率变化值之和最小的一组迭代变量组合,群体最优值在整个迭代过程不断更新。
步骤240:根据个体最优值和群体最优值对更新速度值进行迭代,得到相应的第一更新速度值。
在本步骤中,对任意一组更新速度值v[i]在任意一次迭代过程中进行迭代的公式为:
v[i+1]=w*v[i]+c1*rand(0,1)*(pbest[i]-x[i])+c2*rand(0,1)*(gbest-x[i]);
其中,w为惯性权值,c1和c2分别表示第一学习参数和第二学习参数,w、c1和c2均为预设常数;v[i]表示第i组迭代变量组合对应的更新速度值,v[i+1]表示第i组迭代变量组合进行迭代后得到的第一更新速度值;rand(0,1)表示介于0和1之间的随机数;pbest[i]表示第i组迭代变量组合的个体最优值;x[i]表示第i组迭代变量组合;gbest表示所有的迭代变量组合的群体最优值,即所有的迭代变量组合在整个迭代过程中使利用率变化值和覆盖率变化值之和最小的一组迭代变量组合。
在第一次迭代时,以第一组迭代变量组合值x[0]对应的更新速度值v[0]的迭代过程为例,更新后的第一更新速度值为:
v[1]=w*v[0]+c1*rand(0,1)*(pbest[0]-x[0])+c2*rand(0,1)*(gbest-x[0]);
其中,在第一次迭代时pbest[0]即为x[0]。
步骤250:根据第一更新速度值对相应的迭代变量组合值进行迭代,得到相应的第一迭代变量组合值。
在本步骤中,对任意一组迭代变量组合x[i]在任意一次迭代过程中进行迭代的迭代公式为:x[i+1]=x[i]+v[i+1]。以第一组迭代变量组合初值x[0]为例,第一次迭代后得到的第一迭代变量组合值为x[0]+v[1]。
步骤260:计算每一组第一迭代变量组合值对应的第二利用率变化值和第二覆盖率变化值的第二和。
在本步骤中,第二利用率变化值和第二覆盖率变化值的计算方法与第一利用率变化值和第一覆盖率变化值的计算方法相同。请参阅第一利用率变化值和第一覆盖率变化值的具体说明。
步骤270:如果存在任意一个第二和小于相应的第一和,则将相应的个体最优值更新为相应的第一迭代变量组合值。
步骤280:如果所有第二和中的最小第二和小于群体最优值对应的第一和,则将群体最优值更新为最小第二和对应的第一迭代变量组合值。
步骤290:如果不满足预设迭代次数,则将每一组迭代变量组合值对应的迭代速度值更新为相应的第一更新速度值,将每一组迭代变量组合值更新为相应的第一迭代变量组合值,并返回步骤240,直至满足预设迭代次数。
本发明实施例通过粒子群算法确定使利用率变化值和覆盖率变化值之和最小的目标迭代变量组合,根据个体最优值和群体最优值确定更新速度,并根据更新速度对迭代变量组合值进行更新,即,更新后的迭代变量组合值不断朝向个体最优值和群体最优值的方向更新,便于寻找更优的群体最优值。此外,通过粒子群算法,个体最优值和群体最优值均进行迭代更新,即个体最优值和群体最优值并行寻找最优值,从而明显提高了迭代的速度,保证了寻找到的群体最优值的可靠性。
在一些实施例中,每一组迭代变量组合值的利用率变化值和覆盖率变化值的计算过程包括如图3所示的如下步骤:
步骤310:根据第二迭代变量组合值确定源小区中需要转移的采样点。
在本步骤中,第二迭代变量组合值是任意一组迭代变量组合值。
对于A3事件,需要转移的采样点满足以下条件:
Ms<InterFreqHoA2ThdRsrp;
Ms-Mfn>-QOFFSETERQCONN;
对于A4事件,需要转移的采样点满足以下条件:
Ms<InterFreqHoA2ThdRsrp;
Ms-Mfn>InterFreqHoA4ThdRsrp-QOFFSETERQCONN+1;
其中,Ms为源小区中需要转移的采样点S的MR.LteScRSRP,Mfn为第n个需要转移的采样点在一个频率为f的目标小区中的MR.LteNcRSRP。
步骤320:计算需要转移的采样点占用的上行共享信道的PRB总数的第一平均值和需要转移的采样点占用的下行共享信道的PRB总数的第二平均值。
步骤330:将第一平均值和第二平均值中的最大值确定为源小区进行负荷均衡后的利用率变化值。
步骤340:确定需要转移的采样点转移至各目标小区后,各目标小区的信号接收功率总和。
在本步骤中,一个目标小区的信号接收功率总和为该目标小区中原有的采样点的接收功率总和与转移至该目标小区的采样点的接收功率总和的加和。
步骤350:计算需要转移的采样点在各目标小区的信号接收功率之和与相应的目标小区的信号接收功率总和的比值,得到目标小区进行负荷均衡后的覆盖率变化值。
通过本发明实施例,计算得到了源小区的利用率变化值和目标小区的覆盖率变化值,便于根据该结果确定使源小区的利用率变化值和目标小区的覆盖率变化值之和最小的迭代变量组合。
图4示出了本发明实施例的一种负荷均衡的装置的功能框图。如图4所示,该装置包括:获取模块410、分析模块420、第一确定模块430、第二确定模块440、迭代模块450、第三确定模块460和负荷均衡模块470。其中,获取模块410用于获取源小区及其邻区的特征数据。分析模块420用于对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区。第一确定模块430用于根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别。第二确定模块440用于确定各切换事件类别对应的迭代变量组合,所述迭代变量组合中包含多个目标参数,所述目标参数用于对所述源小区进行负荷均衡。迭代模块450用于对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值。第三确定模块460用于将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值。负荷均衡模块470用于根据所述目标迭代变量组合中的目标参数值对所述源小区进行负荷均衡。
在一种可选的方式中,分析模块420进一步用于:
确定所述源小区在预设时间段内切换至每一个邻区的第一切换次数,以及,每一个邻区在所述预设时间段内切换至所述源小区的第二切换次数;
根据所述第一切换次数和所述第二切换次数计算所述源小区与所述每一个邻区的切换出相关性系数和切换入相关性系数;
将所述切换出相关性系数大于预设第一阈值的邻区确定为预分流小区;
将所述切换入相关性系数大于预设第二阈值的邻区确定为预节流小区;
对所述预分流小区和所述预节流小区进行覆盖相关性分析,根据所述覆盖相关性分析的结果确定负荷均衡的目标小区。
在一种可选的方式中,分析模块420进一步用于:
统计在所述预设时间段内第一小区的电平强度高于所述源小区的电平强度的第一采样点数,以及,在所述预设时间段内所述第一小区的电平强度低于所述源小区的电平强度的第二采样点数;所述第一小区为所有预分流小区或所述预节流小区中的任意一个小区;
计算所述第一采样点数和所述第二采样点数的第一比值,以及,所述第二采样点数和所述第一采样点数的第二比值;
将所述第一比值大于预设第三阈值的预分流小区确定为分流小区;
将所述第二比值大于预设第四阈值的预节流小区确定为节流小区;
将所述分流小区和所述节流小区的集合确定为负荷均衡的目标小区。
在一种可选的方式中,分析模块420进一步用于:
确定预设时间段内所述源小区每一天的最忙时段,所述最忙时段为所述源小区最大上行PRB利用率或最大下行PRB利用率所处的时段;
将所述预设时间段内所述源小区在所述最忙时段切换至每一个邻区的切换次数之和作为所述第一切换次数;
将所述预设时间段内每一个邻区在所述最忙时段切换至所述源小区的切换次数之和作为所述第二切换次数。
在一种可选的方式中,第一确定模块430进一步用于:
如果所述源小区的频段和所述目标小区的频段属于同一级预设优先级,则确定所述切换事件类别为第一切换事件,否则,确定所述切换事件的类别为第二切换事件,所述第一切换事件和所述第二切换事件为不同的切换事件类别。
在一种可选的方式中,迭代模块450进一步用于:
随机生成多组迭代变量组合值以及各迭代变量组合值对应的更新速度值,每一组迭代变量组合值作为个体最优值;
计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和;
将使所述第一和最小的一组迭代变量组合值确定为群体最优值;
根据所述个体最优值和所述群体最优值对所述更新速度值进行迭代,得到相应的第一更新速度值;
根据所述第一更新速度值对相应的迭代变量组合值进行迭代,得到相应的第一迭代变量组合值;
计算每一组第一迭代变量组合值对应的第二利用率变化值和第二覆盖率变化值的第二和;
如果存在任意一个第二和小于相应的第一和,则将相应的个体最优值更新为相应的第一迭代变量组合值;
如果所有第二和中的最小第二和小于所述群体最优值对应的第一和,则将所述群体最优值更新为所述最小第二和对应的第一迭代变量组合值;
将每一组迭代变量组合值对应的迭代速度值更新为相应的第一更新速度值,将每一组迭代变量组合值更新为相应的第一迭代变量组合值,重复执行根据所述个体最优值和所述群体最优值对所述更新速度值进行迭代,得到相应的第一更新速度值的步骤,直至满足预设迭代次数;
所述将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值,包括:
将满足预设迭代次数时的群体最优值确定为目标迭代变量组合值。
在一种可选的方式中,迭代模块450进一步用于::
根据第二迭代变量组合值确定所述源小区中需要转移的采样点,所述第二迭代变量组合值为任意一组迭代变量组合值;
计算所述采样点占用上行共享信道的PRB总数的第一平均值和所述采样点占用下行共享信道的RPB总数的第二平均值;
将所述第一平均值和所述第二平均值中的最大值确定为所述源小区进行负荷均衡后的利用率变化值;
确定所述采样点转移至各目标小区后,各目标小区的信号接收功率总和;
计算所述采样点在各目标小区的信号接收功率之和与相应的目标小区的信号接收功率总和的比值,得到所述目标小区进行负荷均衡后的覆盖率变化值。
本发明实施例通过对源小区和邻区进行相关性分析得到负荷均衡的目标小区,从而使得到的目标小区更加准确;根据源小区和目标小区的频段确定负荷均衡的切换事件类别,对于不同的切换事件类别确定相应的迭代变量组合;对迭代变量组合进行多次迭代,从而得到使源小区的利用率变化值和目标小区的覆盖率变化值之和最小的目标迭代变量组合值,根据该目标迭代变量组合值对源小区进行负荷均衡。本发明实施例在进行负荷均衡时综合考虑了源小区的利用率变化和目标小区的覆盖率变化,确保了有效降低源小区的网络负荷的同时,邻区的覆盖较好,避免了满足网络容量时造成的网络覆盖差的问题。
图5示出了本发明实施例的一种计算设备结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图5所示,该计算设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。处理器502,用于执行程序510,具体可以执行上述用于一种负荷均衡方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机可执行指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以被处理器502调用使计算设备执行图1中的步骤110~步骤170,图2中的步骤210~步骤290,图3中的步骤310~步骤350,以及实现图4中的模块410~模块470的功能。
本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有至少一可执行指令,该可执行指令在计算设备/装置上运行时,使得所述计算设备/装置执行上述任意方法实施例中的负荷均衡的方法。
本发明实施例提供了一种计算机程序,所述计算机程序可被处理器调用使计算设备执行上述任意方法实施例中的负荷均衡的方法。
本发明实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令在计算机上运行时,使得所述计算机执行上述任意方法实施例中的负荷均衡的方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种负荷均衡的方法,其特征在于,所述方法包括:
获取源小区及其邻区的特征数据;
对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区;
根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别;
确定各切换事件类别对应的迭代变量组合,所述迭代变量组合中包含多个目标参数,所述目标参数用于对所述源小区进行负荷均衡;
对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值;
将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值;
根据所述目标迭代变量组合值中的各目标参数值对所述源小区进行负荷均衡。
2.根据权利要求1所述的方法,其特征在于,所述对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区,包括:
确定所述源小区在预设时间段内切换至每一个邻区的第一切换次数,以及,每一个邻区在所述预设时间段内切换至所述源小区的第二切换次数;
根据所述第一切换次数和所述第二切换次数计算所述源小区与所述每一个邻区的切换出相关性系数和切换入相关性系数;
将所述切换出相关性系数大于预设第一阈值的邻区确定为预分流小区;
将所述切换入相关性系数大于预设第二阈值的邻区确定为预节流小区;
对所述预分流小区和所述预节流小区进行覆盖相关性分析,根据所述覆盖相关性分析的结果确定负荷均衡的目标小区。
3.根据权利要求2所述的方法,其特征在于,所述对所述预分流小区和所述预节流小区进行覆盖相关性分析,根据所述覆盖相关性分析的结果确定负荷均衡的目标小区,包括:
统计在所述预设时间段内第一小区的电平强度高于所述源小区的电平强度的第一采样点数,以及,在所述预设时间段内所述第一小区的电平强度低于所述源小区的电平强度的第二采样点数;所述第一小区为所有预分流小区或所述预节流小区中的任意一个小区;
计算所述第一采样点数和所述第二采样点数的第一比值,以及,所述第二采样点数和所述第一采样点数的第二比值;
将所述第一比值大于预设第三阈值的预分流小区确定为分流小区;
将所述第二比值大于预设第四阈值的预节流小区确定为节流小区;
将所述分流小区和所述节流小区的集合确定为负荷均衡的目标小区。
4.根据权利要求2或3所述的方法,其特征在于,所述确定所述源小区在预设时间段内切换至每一个邻区的第一切换次数,以及,每一个邻区在所述预设时间段内切换至所述源小区的第二切换次数,包括:
确定预设时间段内所述源小区每一天的最忙时段,所述最忙时段为所述源小区最大上行PRB利用率或最大下行PRB利用率所处的时段;
将所述预设时间段内所述源小区在所述最忙时段切换至每一个邻区的切换次数之和作为所述第一切换次数;
将所述预设时间段内每一个邻区在所述最忙时段切换至所述源小区的切换次数之和作为所述第二切换次数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别,包括:
如果所述源小区的频段和所述目标小区的频段属于同一级预设优先级,则确定所述切换事件类别为第一切换事件,否则,确定所述切换事件的类别为第二切换事件,所述第一切换事件和所述第二切换事件为不同的切换事件类别。
6.根据权利要求1所述的方法,其特征在于,所述对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值,包括:
随机生成多组迭代变量组合值以及各迭代变量组合值对应的更新速度值,每一组迭代变量组合值作为个体最优值;
计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和;
将使所述第一和最小的一组迭代变量组合值确定为群体最优值;
根据所述个体最优值和所述群体最优值对所述更新速度值进行迭代,得到相应的第一更新速度值;
根据所述第一更新速度值对相应的迭代变量组合值进行迭代,得到相应的第一迭代变量组合值;
计算每一组第一迭代变量组合值对应的第二利用率变化值和第二覆盖率变化值的第二和;
如果存在任意一个第二和小于相应的第一和,则将相应的个体最优值更新为相应的第一迭代变量组合值;
如果所有第二和中的最小第二和小于所述群体最优值对应的第一和,则将所述群体最优值更新为所述最小第二和对应的第一迭代变量组合值;
将每一组迭代变量组合值对应的迭代速度值更新为相应的第一更新速度值,将每一组迭代变量组合值更新为相应的第一迭代变量组合值,重复执行根据所述个体最优值和所述群体最优值对所述更新速度值进行迭代,得到相应的第一更新速度值的步骤,直至满足预设迭代次数;
所述将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值,包括:
将满足预设迭代次数时的群体最优值确定为目标迭代变量组合值。
7.根据权利要求6所述的方法,其特征在于,所述计算每一组迭代变量组合值对应的第一利用率变化值和第一覆盖率变化值的第一和,包括:
根据第二迭代变量组合值确定所述源小区中需要转移的采样点,所述第二迭代变量组合值为任意一组迭代变量组合值;
计算所述采样点占用上行共享信道的PRB总数的第一平均值和所述采样点占用下行共享信道的RPB总数的第二平均值;
将所述第一平均值和所述第二平均值中的最大值确定为所述源小区进行负荷均衡后的利用率变化值;
确定所述采样点转移至各目标小区后,各目标小区的信号接收功率总和;
计算所述采样点在各目标小区的信号接收功率之和与相应的目标小区的信号接收功率总和的比值,得到所述目标小区进行负荷均衡后的覆盖率变化值。
8.一种负荷均衡的装置,其特征在于,所述装置包括:
获取模块,用于获取源小区及其邻区的特征数据;
分析模块,用于对所述源小区和任意一个邻区的特征数据进行相关性分析,根据分析结果确定所述邻区中进行负荷均衡的目标小区;
第一确定模块,用于根据所述源小区的频段和所述目标小区的频段确定负荷均衡的切换事件类别;
第二确定模块,用于确定各切换事件类别对应的迭代变量组合,所述迭代变量组合中包含多个目标参数,所述目标参数用于对所述源小区进行负荷均衡;
迭代模块,用于对所述迭代变量组合进行多次迭代,根据每一次迭代后得到的迭代变量组合值计算所述源小区进行负荷均衡后的利用率变化值以及所述目标小区进行负荷均衡后的覆盖率变化值;
第三确定模块,用于将使所述利用率变化值和所述覆盖率变化值之和最小的迭代变量组合值确定为目标迭代变量组合值;
负荷均衡模块,用于根据所述目标迭代变量组合中的目标参数值对所述源小区进行负荷均衡。
9.一种计算设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的一种负荷均衡的方法的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在计算设备/装置上运行时,使得所述计算设备/装置执行如权利要求1-7任意一项所述的负荷均衡的方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010430341.8A CN113709814A (zh) | 2020-05-20 | 2020-05-20 | 负荷均衡的方法、装置、计算设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010430341.8A CN113709814A (zh) | 2020-05-20 | 2020-05-20 | 负荷均衡的方法、装置、计算设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113709814A true CN113709814A (zh) | 2021-11-26 |
Family
ID=78645606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010430341.8A Pending CN113709814A (zh) | 2020-05-20 | 2020-05-20 | 负荷均衡的方法、装置、计算设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113709814A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114401527A (zh) * | 2021-12-21 | 2022-04-26 | 中国电信股份有限公司 | 一种无线网络的负荷识别方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105338571A (zh) * | 2015-11-25 | 2016-02-17 | 江苏鑫软图无线技术有限公司 | 一种lte系统负载均衡的用户选择方法 |
US20160165472A1 (en) * | 2014-12-09 | 2016-06-09 | Futurewei Technologies, Inc. | Analytics assisted self-organizing-network (SON) for coverage capacity optimization (CCO) |
CN105813097A (zh) * | 2016-05-09 | 2016-07-27 | 东南大学 | 移动通信网络中小区中断补偿方法 |
CN109151881A (zh) * | 2018-11-16 | 2019-01-04 | 南京华苏科技有限公司 | 一种基于用户数据的网络负荷均衡优化方法 |
CN110784894A (zh) * | 2018-07-31 | 2020-02-11 | 中国移动通信集团山东有限公司 | Lte系统负载均衡方法和装置 |
CN110913401A (zh) * | 2019-11-26 | 2020-03-24 | 南京华苏科技有限公司 | 一种基于用户数据的网络同覆盖负荷不均衡优化的方法 |
-
2020
- 2020-05-20 CN CN202010430341.8A patent/CN113709814A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160165472A1 (en) * | 2014-12-09 | 2016-06-09 | Futurewei Technologies, Inc. | Analytics assisted self-organizing-network (SON) for coverage capacity optimization (CCO) |
CN105338571A (zh) * | 2015-11-25 | 2016-02-17 | 江苏鑫软图无线技术有限公司 | 一种lte系统负载均衡的用户选择方法 |
CN105813097A (zh) * | 2016-05-09 | 2016-07-27 | 东南大学 | 移动通信网络中小区中断补偿方法 |
CN110784894A (zh) * | 2018-07-31 | 2020-02-11 | 中国移动通信集团山东有限公司 | Lte系统负载均衡方法和装置 |
CN109151881A (zh) * | 2018-11-16 | 2019-01-04 | 南京华苏科技有限公司 | 一种基于用户数据的网络负荷均衡优化方法 |
CN110913401A (zh) * | 2019-11-26 | 2020-03-24 | 南京华苏科技有限公司 | 一种基于用户数据的网络同覆盖负荷不均衡优化的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114401527A (zh) * | 2021-12-21 | 2022-04-26 | 中国电信股份有限公司 | 一种无线网络的负荷识别方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109195170B (zh) | 小区扩容方法、装置及存储介质 | |
Andersin et al. | Gradual removals in cellular PCS with constrained power control and noise | |
CN110505650B (zh) | 随机异构分层网容量智能评估方法及装置 | |
CN104584622A (zh) | 用于蜂窝式网络负载平衡的方法与系统 | |
US20240040544A1 (en) | User equipment tracking and paging area selection in wireless communication systems | |
CN109996238B (zh) | 一种c-ran网络规划方法及装置 | |
JP7486659B2 (ja) | 基地局の省エネルギー処理方法及び処理装置 | |
CN113133064A (zh) | 一种切换方法及装置、存储介质、电子设备 | |
CN103686895B (zh) | 切换控制方法、无线网络控制器和接入节点 | |
Chousainov et al. | Performance evaluation of a C-RAN supporting quasi-random traffic | |
CN113709814A (zh) | 负荷均衡的方法、装置、计算设备及计算机可读存储介质 | |
CN108282800B (zh) | 无线蜂窝网络中的基站天线的参数优化方法 | |
CN110621025B (zh) | 一种设备选型方法和装置 | |
CN103986506A (zh) | 一种单双流波束赋形切换方法和设备 | |
CN114615693B (zh) | 网络容量预测方法、装置、电子设备及计算机存储介质 | |
Glabowski et al. | A full-availability group model with multi-service sources and threshold mechanisms | |
Zhohov et al. | Reducing latency: Improving handover procedure using machine learning | |
CN107294672B (zh) | 一种小区载波聚合的调度方法及装置 | |
CN112637904B (zh) | 负载均衡方法、装置及计算设备 | |
WO2015073069A1 (en) | Method and apparatus for enhanced multi-node utilization of an electromagnetic state space | |
Xiao et al. | 5G Construction Efficiency Enhancement Based on LSTM Algorithm | |
Lu et al. | Big-data-driven dynamic clustering and load balancing of virtual base stations for 5G fronthaul network | |
Chousainov et al. | An analytical framework of a C-RAN supporting bursty traffic | |
EP1680936A1 (en) | Method. system and computer program product for determining the cell area of a base station by taking into account pixel of territory specific quantity of traffic, and network planned using this method | |
Parija et al. | Cost reduction in reporting cell planning configuration using soft computing algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |